IN SILICO МОДЕЛІ ПРОГНОЗУВАННЯ МУТАГЕННОСТІ ЕЙМСА ОСНОВНИХ СТРУКТУРНИХ КЛАСІВ КСЕНОБІОТИКІВ НА ОСНОВІ МЕТОДУ ВИПАДКОВОГО ЛІСУ

Анотація

Анотація –  В умовах активного розвитку промисловості спостерігається щорічне суттєве збільшення кількості хімічних сполук, що можуть потрапляти у навколишнє середовище. Достатньо велика кількість ксенобіотиків, через механізми прямого або опосередкованого впливу на генетичний апарат людини, можуть індукувати  спадкові та/або онкологічні захворювання. Зростаюча кількість хімічних речовин, що потрапляють у довкілля та можуть впливати на генетичне здоров`я людської популяції, викликає занепокоєння у громадськості. В такій ситуації критично важливим є ефективний контроль та облік усіх ксенобіотиків, що можуть проявляти потенційні генотоксичні властивості. Для класичних in vitro та in vivo  методів, що дозволяють отримати оцінку генотоксичності факторів навколишнього середовища, наявні суттєві недоліки, що пов`язані зі складністю проведення експерименту, значними фінансовими витратами та низькою відтворюваністю результатів у різних лабораторіях. Крім того, при проведенні експериментальних досліджень необхідно враховувати прийняту науковою спільнотою концепцію «3R», що направлена на зменшення, вдосконалення та заміну моделей тварин. Такі обмеження у застосуванні класичних in vitro та in vivo  методів генетичної оцінки факторів навколишнього середовища стали фундаментом для формування основного вектору розвитку сучасної комп`ютерної токсикології, в основі якого оцінка генотоксичних та токсичних ефектів досягається за допомогою прогностичних in silico  моделей. У цьому контексті заслуговують на увагу QSAR моделі, що відповідно до кількісного зв`язку між структурою ксенобіотиків та активністю дозволяють отримати оцінку їх мутагенного потенціалу.  У роботі представлена методологія покращення точності in silico моделей оцінки мутагенності Еймса (Ames/QSAR), на основі ансамблевих алгоритмів машинного навчання. Встановлено, що точність Ames/QSAR моделей можна підвищити через селекцію найбільш впливових ознак, що представлені молекулярними дескрипторами. Крім того, підвищення прогностичної здатності Ames/QSAR моделей може бути досягнене за рахунок формування однорідних структурних класів  ксенобіотиків, що представлені хімічними сполуками, які мають спільну будову молекулярного каркасу. Показано, що обмежений перелік молекулярних дескрипторів може бути використаний для пошуку  причинно-наслідкових зв`язків між мутагенністю та фізико-хімічними, електронними, просторовими властивостями ксенобіотиків, що задаються різними наборами молекулярних дескрипторів.